收藏本站
《西安电子科技大学》 2010年
收藏 | 手机打开
二维码
手机客户端打开本文

支持向量机学习算法若干问题的研究

常甜甜  
【摘要】:支持向量机(SVM)是一种以统计学习理论为基础的数据挖掘新方法.随着统计学习理论的发展,SVM在理论和应用方面都得到了迅速地发展和完善.SVM具有较高的推广能力和解的全局最优性,在解决小样本问题、非线性问题以及高维数据等问题中表现出许多特有的优势,已被广泛应用于处理预测、数据拟合、综合评价以及模式识别等诸多问题中. 目前国际上支持向量机的理论研究和实际应用两方面都正处于飞速发展阶段.如何提高分类器的性能、速度、以及处理数据的范围等问题始终是研究者研究的目标. 本文主要从机器学习的角度对支持向量机分类、聚类、集成、以及核函数等方面进行研究,对支持向量机算法进行修正,旨在提高支持向量机性能以及处理更为广泛的数据类型.本文主要内容如下: 1.支持向量机分类问题研究.针对多源数据分类问题,提出分组特征多核SVM.该方法将不同源的数据进行分组,每组特征分别采用不同的核函数,将这些核函数的凸组合作为新的核函数,并将基于该新核的SVM问题转化为半定规划问题来求解.实验结果表明,该方法可以有效地提高分类器的检测性能. 2.支持向量机聚类问题研究.针对支持向量机聚类算法(SVMC)只可以聚集两个类簇的问题,提出多类支持向量机聚类(Multi-Class SVMC)算法.该方法在二分类支持向量机聚类的基础上采用一对多(OAA)策略,将SVMC推广到多类簇问题;此外针对Multi-Class SVMC算法需要预先定义聚类数目的问题,提出分级支持向量机聚类(Hierarchical SVMC)算法.该算法是将数据随机标记为两类,然后采用迭代的方法修正标记,直到标记变得稳定为止.数据被分为两个类簇,基于这两个类簇分别继续采用SVMC算法将类簇向下分裂,直到满足终止条件.与传统的支持向量聚类相比,多类支持向量机聚类和分级支持向量机聚类具有简单易行、速度快、聚类效果好的优点. 3.大规模支持向量机算法研究.针对大规模数据分类问题,提出局部差异性自适应推进支持向量机集成算法.该方法将数据平均分成若干块,基于这些子块分别采用差异性自适应推进支持向量机算法.通过网格搜索法调节支持向量机的核参数和惩罚因子将强分类器SVM弱化,再将弱化后的SVM采用自适应推进算法推进为强分类器,最后将局部模型采用投票的方法集成.实验结果表明,局部差异性自适应推进支持向量机在不降低分类器性能的同时可以有效地处理大规模数据分类问题. 4.支持向量机集成算法研究.针对支持向量机集成问题,提出多模式扰动支持向量机集成算法.采用自举法对训练样本有放回采样,得到若干子样本集合,在每一个子样本上采用多模式扰动的方法以增加成员分类器的精度以及成员分类器之间的差异性.首先为增加成员分类器间的差异性,在特征扰动方面采用主成分分析法降维;其次为增加成员分类器的精度,在训练模型过程中每个子集通过自动模型选择采用不同的最优参数产生参数扰动;最后是输出扰动,用成员分类器的精度值对输出结果加权,以增大高精度成员分类器对集成结果的影响.与单模式扰动方法相比,该多模式扰动的方法可以提高支持向量机集成性能. 5.约减支持向量机分类算法研究.约减子集的选择是约减支持向量机性能的关键影响因素.针对约减子集的选择问题,提出基于噪声的空间密度聚类算法的矩形核支持向量机(DBSCAN-RSVM)该方法采用DBSCAN聚类方法对样本聚类,用聚类得到的核数据作为矩形核的约减子集,并将该矩形核支持向量机转化为光滑支持向量机问题来求解.与传统约减支持向量机、K均值约减支持向量机、以及传统SVM相比,该DBSCAN-RSVM具有更好的检测性能.
【学位授予单位】:西安电子科技大学
【学位级别】:博士
【学位授予年份】:2010
【分类号】:TP18

【引证文献】
中国博士学位论文全文数据库 前3条
1 李玉萍;基于先进计算的智能入侵检测系统研究[D];中国地震局地球物理研究所;2012年
2 陶剑文;基于统计学习的分类方法及在Web挖掘中的应用研究[D];江南大学;2012年
3 邓燕;基于粗糙集—支持向量机的油气储层参数预测方法研究[D];中国地质大学(北京);2013年
中国硕士学位论文全文数据库 前5条
1 顾天鹏;基于支持向量聚类的自动图像标注[D];大连理工大学;2012年
2 丁德豪;单塔斜拉桥模型修正研究[D];西南交通大学;2012年
3 盛英;半监督特征降维及其在天文光谱数据中的应用[D];太原科技大学;2012年
4 刘诚;蛋白质相互作用界面中热点残基预测方法的研究[D];武汉科技大学;2012年
5 何刘海;涡轮增压器性能检测与故障预测系统的研制[D];大连理工大学;2013年
【参考文献】
中国期刊全文数据库 前10条
1 张元;陈亮;王文种;王军战;;遥感图像土地覆盖分类中多源特征数据选择研究[J];测绘科学;2009年02期
2 冉有华;李新;卢玲;;基于多源数据融合方法的中国1km土地覆盖分类制图[J];地球科学进展;2009年02期
3 孟德韬;卿晓霞;;专家系统在污水处理系统中的应用与发展[J];重庆建筑大学学报;2008年01期
4 ;WAVELET KERNEL SUPPORT VECTOR MACHINES FOR SPARSE APPROXIMATION[J];Journal of Electronics;2006年04期
5 旷海兰;刘新华;魏书堤;罗可;;小波核支持向量机的网络入侵检测[J];计算机工程与应用;2006年17期
6 何鸣;李国正;袁捷;;医学诊断中集成学习技术的研究[J];计算机工程与应用;2006年28期
7 叶晨洲,杨杰,姚莉秀,陈念贻;统计学习理论的原理与应用[J];计算机与应用化学;2002年06期
8 ;Support Vector Machine active learning for 3D model retrieval[J];Journal of Zhejiang University(Science A:An International Applied Physics & Engineering Journal);2007年12期
9 何灵敏;沈掌泉;孔繁胜;刘震科;;SVM在多源遥感图像分类中的应用研究[J];中国图象图形学报;2007年04期
10 陆赛群,吴文波;数据挖掘在城市污水处理中的潜在价值[J];浙江水利水电专科学校学报;2005年02期
中国博士学位论文全文数据库 前2条
1 李晓东;城市污水处理厂数据挖掘及相关技术研究[D];湖南大学;2007年
2 吴青;基于优化理论的支持向量机学习算法研究[D];西安电子科技大学;2009年
中国硕士学位论文全文数据库 前2条
1 赵永一;多源数据融合的辐射源及目标识别技术[D];西安电子科技大学;2006年
2 宋贤民;基于SVM的污水处理过程软测量建模研究[D];南昌大学;2007年
【共引文献】
中国期刊全文数据库 前10条
1 杨绪兵,韩自存;ε不敏感的核Adaline算法及其在图像去噪中的应用[J];安徽工程科技学院学报(自然科学版);2003年04期
2 陶秀凤,唐诗忠,周鸣争;基于支持向量机的软测量模型及应用[J];安徽工程科技学院学报(自然科学版);2004年02期
3 潘希姣;;多子群粒子群集成神经网络[J];安徽建筑工业学院学报(自然科学版);2007年02期
4 李淑华;徐良培;陶建平;;基于支持向量机的我国水产品出口贸易风险预警研究[J];安徽农业科学;2008年30期
5 许高程;张文君;王卫红;;支持向量机技术在遥感影像滑坡体提取中的应用[J];安徽农业科学;2009年06期
6 程伟;张燕平;赵姝;;支持向量机在粮食产量预测中的应用[J];安徽农业科学;2009年08期
7 赵万明;黄彦全;谌贵辉;;基于支持向量机的农村用电量需求预测[J];安徽农业科学;2009年25期
8 郭立萍;唐家奎;米素娟;张成雯;赵理君;;基于支持向量机遥感图像融合分类方法研究进展[J];安徽农业科学;2010年17期
9 管翠萍;;药物靶标G蛋白偶联受体的识别预测[J];安徽农业科学;2010年24期
10 唐晓芬;赵秉新;;基于支持向量机的农村劳动力转移预测[J];安徽农业科学;2011年11期
中国重要会议论文全文数据库 前10条
1 ;An effective procedure exploiting unlabeled data to build monitoring system[A];中国科学院地质与地球物理研究所第11届(2011年度)学术年会论文集(下)[C];2012年
2 宋海鹰;桂卫华;阳春华;;基于核偏最小二乘的简约最小二乘支持向量机及其应用研究[A];第二十六届中国控制会议论文集[C];2007年
3 宋海鹰;桂卫华;阳春华;;基于最小二乘支持向量机的Hammerstein-Wiener模型辨识[A];第二十六届中国控制会议论文集[C];2007年
4 ;Inverse System Control of Nonlinear Systems Using LS-SVM[A];第二十六届中国控制会议论文集[C];2007年
5 ;A Novel Kernel PCA Support Vector Machine Algorithm with Feature Transition Function[A];第二十六届中国控制会议论文集[C];2007年
6 ;A Novel Proximal Support Vector Machine and Its Application in Radar Target Recognition[A];第二十六届中国控制会议论文集[C];2007年
7 ;A CDMA Signal Receiver Based on LS-SVM[A];第二十六届中国控制会议论文集[C];2007年
8 周绮凤;林成德;罗林开;彭洪;;一种基于黎曼度量的训练样本类不平衡SVM分类方法研究[A];第二十六届中国控制会议论文集[C];2007年
9 顾小军;杨世锡;钱苏翔;;基于支持向量机的旋转机械多类故障识别研究[A];第二十六届中国控制会议论文集[C];2007年
10 吕蓬;柳亦兵;马强;魏于凡;;支持向量机在齿轮智能故障诊断中的应用研究[A];第二十六届中国控制会议论文集[C];2007年
中国博士学位论文全文数据库 前10条
1 赵莹;半监督支持向量机学习算法研究[D];哈尔滨工程大学;2010年
2 于化龙;基于DNA微阵列数据的癌症分类技术研究[D];哈尔滨工程大学;2010年
3 李建平;面向异构数据源的网络安全态势感知模型与方法研究[D];哈尔滨工程大学;2010年
4 梁洪;基于内容的医学图像检索及语义建模关键技术研究[D];哈尔滨工程大学;2010年
5 任桢;图像分类任务的关键技术研究[D];哈尔滨工程大学;2010年
6 殷志伟;基于统计学习理论的分类方法研究[D];哈尔滨工程大学;2009年
7 孔凡芝;引线键合视觉检测关键技术研究[D];哈尔滨工程大学;2009年
8 李晚龙;六自由度Stewart平台分散智能控制研究[D];哈尔滨工程大学;2010年
9 邬俊;基于交互式语义推理的图像检索算法研究[D];大连海事大学;2010年
10 杨宁;计算机辅助卷烟配方设计关键技术研究[D];中国海洋大学;2010年
中国硕士学位论文全文数据库 前10条
1 曾传华;基于颜色和纹理特征的竹条分级方法研究[D];华中农业大学;2010年
2 朱杰;一种基于聚类的支持向量机反问题求解算法[D];河北大学;2007年
3 李金华;基于SVM的多类文本分类研究[D];山东科技大学;2010年
4 马冉冉;集成学习算法研究[D];山东科技大学;2010年
5 王萍;语音情感识别研究[D];山东科技大学;2010年
6 田文娟;基于支持向量机的人民币序列号识别方法的研究[D];山东科技大学;2010年
7 刘涛;遥感图像分块分类技术的研究与应用[D];山东科技大学;2010年
8 徐芳芳;优化问题的PVD算法研究[D];山东科技大学;2010年
9 孟培培;基于3S的土地督察信息系统研究[D];山东科技大学;2010年
10 朱耿峰;支持向量机在冲击地压预测模型中的应用研究[D];山东科技大学;2010年
【同被引文献】
中国期刊全文数据库 前10条
1 李娜;;贝叶斯分类器的应用[J];北京工业职业技术学院学报;2008年02期
2 张虹;田建英;;涡轮增压器压气机性能试验台测控系统[J];北京理工大学学报;2007年03期
3 倪国强;沈渊婷;徐大琦;;一种基于小波PCA的高光谱图像特征提取新方法[J];北京理工大学学报;2007年07期
4 张婷;徐守余;;储层地质建模技术研究与展望[J];长春理工大学学报(高教版);2009年04期
5 杨斌;匡立春;孙中春;施泽进;;基于遗传规划的储层含水饱和度预测方法[J];成都理工大学学报(自然科学版);2006年02期
6 施泽进;任在清;戈汉权;;基于RS与LS-SVR的储层参数预测[J];成都理工大学学报(自然科学版);2007年06期
7 杨斌;匡立春;孙中春;施泽进;;一种用于测井油气层综合识别的支持向量机方法[J];测井技术;2005年06期
8 吴何珍;符力耘;葛洪魁;;利用多井声波测井数据谱分析进行储层非均质性描述[J];测井技术;2010年03期
9 张翔;王智;罗菊兰;秦民君;王忠于;;基于逐步判别与支持向量机方法的沉积微相定量识别[J];测井技术;2010年04期
10 钟仪华;李榕;张志银;朱海双;;基于主成分分析的离散过程神经网络水淹层动态预测方法[J];测井技术;2010年05期
中国博士学位论文全文数据库 前10条
1 黄伟国;基于振动信号特征提取与表达的旋转机械状态监测与故障诊断研究[D];中国科学技术大学;2010年
2 王晓明;基于统计学习的模式识别几个问题及其应用研究[D];江南大学;2010年
3 齐峰;人工神经树网络模型的优化研究与应用[D];山东师范大学;2011年
4 王飞;入侵检测分类器设计及其融合技术研究[D];南京理工大学;2011年
5 史旭华;基于多Agent系统的人工免疫网络及其应用研究[D];华东理工大学;2011年
6 金珠;改进的支持向量机分类算法及其在煤矿人因事故安全评价中的应用[D];中国矿业大学;2011年
7 刘路;基于改进支持向量机和纹理图像分析的旋转机械故障诊断[D];天津大学;2011年
8 董元方;机器学习中的模型选择问题研究[D];吉林大学;2011年
9 谢春利;基于最小二乘支持向量机的非线性系统自适应控制方法的研究[D];大连理工大学;2011年
10 范昕炜;支持向量机算法的研究及其应用[D];浙江大学;2003年
中国硕士学位论文全文数据库 前10条
1 安文娟;Fisher和支持向量综合分类器[D];辽宁师范大学;2010年
2 赵利华;旋转机械故障机理与轴心轨迹识别方法研究[D];大连理工大学;2010年
3 李海峰;高速列车传动齿轮箱性能检测系统设计与开发[D];大连理工大学;2010年
4 蒋桂莲;基于粗糙集和支持向量机的人脸识别[D];长沙理工大学;2010年
5 余养强;半监督学习若干问题的研究[D];福建师范大学;2010年
6 马卫华;大跨连续刚构桥参数敏感性分析及高程控制[D];东北林业大学;2011年
7 欧阳俊;基于多核混合支持向量机的城市短时交通预测[D];中南大学;2011年
8 罗慧萍;蛋白质—蛋白质相互作用界面和热点预测的方法研究[D];武汉科技大学;2011年
9 刘伟涛;半监督学习方法及应用研究[D];山东大学;2011年
10 王全丽;基于粗糙集理论的个性化推荐算法研究[D];河北工业大学;2011年
【二级引证文献】
中国期刊全文数据库 前1条
1 单德山;丁德豪;李乔;黄珍;;基于RBF神经网络的单塔斜拉桥模型修正[J];重庆交通大学学报(自然科学版);2013年04期
中国硕士学位论文全文数据库 前3条
1 王一哲;事件类型识别问题研究[D];山东大学;2013年
2 王潇碧;移动荷载作用下桥梁损伤识别模型试验研究[D];西南交通大学;2013年
3 黄永生;基于特征匹配检测功能的入侵检测系统的设计与实现[D];安徽大学;2013年
【二级参考文献】
中国期刊全文数据库 前10条
1 王殿芳,谷庆宝,韩梅,李发生;北京地区城市污水处理现状及污水排放对区域水环境的影响[J];北京石油化工学院学报;2003年03期
2 梁军;轧钢加热炉钢坯加热质量的检测研究(I)[J];传感技术学报;2003年01期
3 梁军;轧钢加热炉钢坯加热质量的检测研究(II)[J];传感技术学报;2003年02期
4 陈春;王冬;马克玲;;遥感信源色彩信号的提取与复现[J];测绘科学;2006年01期
5 肖羽堂;中国水资源与水工业的可持续发展[J];长江流域资源与环境;1999年01期
6 尹健;基于回归神经网络的雷达辐射源识别算法[J];电讯技术;2005年04期
7 栾远新;世界水资源及其分布[J];东北水利水电;1994年10期
8 缪铁夷;污水处理厂控制系统的应用[J];电工技术杂志;2000年04期
9 张树清;中国湿地科学数据库简介[J];地理科学;2002年02期
10 刘纪远,张增祥,庄大方,王一谋,周万村,张树文,李仁东,江南,吴世新;20世纪90年代中国土地利用变化时空特征及其成因分析[J];地理研究;2003年01期
中国博士学位论文全文数据库 前1条
1 毛勇;基于支持向量机的特征选择方法的研究与应用[D];浙江大学;2006年
中国硕士学位论文全文数据库 前6条
1 孟伟;雷达辐射源识别算法研究[D];西安电子科技大学;2002年
2 屈颖歌;支持向量机在图象处理中若干问题研究[D];南京理工大学;2003年
3 吴功伟;基于软测量的两效蒸发实验装置参数检测系统[D];中南大学;2004年
4 钱雪峰;粗糙集理论在变压器故障诊断中的应用研究[D];南京理工大学;2005年
5 丁蕾;用于回归估计的支持向量机的学习算法及应用[D];安徽大学;2005年
6 余建平;基于改进神经网络的污水处理参数软测量模型研究[D];重庆大学;2005年
【相似文献】
中国期刊全文数据库 前10条
1 张铃;支持向量机理论与基于规划的神经网络学习算法[J];计算机学报;2001年02期
2 阎辉,张学工,李衍达;支持向量机与最小二乘法的关系研究[J];清华大学学报(自然科学版);2001年09期
3 朱国强,刘士荣,俞金寿;支持向量机及其在函数逼近中的应用[J];华东理工大学学报;2002年05期
4 侯风雷,王炳锡;基于支持向量机的说话人辨认研究[J];通信学报;2002年06期
5 马永军,方凯,刘暾东,方廷健;基于支持向量机和方差的管道内表面粗糙度等级识别[J];信息与控制;2002年05期
6 吴飞,庄越挺,潘云鹤;基于增量学习支持向量机的音频例子识别与检索[J];计算机研究与发展;2003年07期
7 孙延风,梁艳春;支持向量机的数据依赖型核函数改进算法[J];吉林大学学报(理学版);2003年03期
8 朱永生,张优云;支持向量机分类器中几个问题的研究[J];计算机工程与应用;2003年13期
9 朱家元,吴伟,张恒喜,董彦非;一种新型的多元分类支持向量机[J];计算机工程;2003年17期
10 饶鲜,董春曦,杨绍全;应用支持向量机实现计算机入侵检测[J];西安电子科技大学学报;2003年03期
中国重要会议论文全文数据库 前10条
1 林杰华;张斌;李冬森;宋华茂;余志强;王浩;;支持向量机在电力客户信用评级中的应用[A];全国第21届计算机技术与应用学术会议(CACIS·2010)暨全国第2届安全关键技术与应用学术会议论文集[C];2010年
2 蒋铁军;张怀强;李积源;;多变量系统预测的支持向量机方法研究[A];管理科学与系统科学研究新进展——第7届全国青年管理科学与系统科学学术会议论文集[C];2003年
3 黄淑云;孙兴玉;梁汝萍;邱建丁;;基于小波支持向量机预测蛋白质亚细胞定位研究[A];第十一届全国计算(机)化学学术会议论文摘要集[C];2011年
4 谢湘;匡镜明;;支持向量机在语音识别中的应用研究[A];现代通信理论与信号处理进展——2003年通信理论与信号处理年会论文集[C];2003年
5 涂冬成;薛龙;刘木华;赵进辉;沈杰;吁芳;;基于支持向量机的鹅肉肉色客观评定研究[A];中国农业工程学会电气信息与自动化专业委员会、中国电机工程学会农村电气化分会科技与教育专委会2010年学术年会论文摘要[C];2010年
6 杨凌;刘玉树;;基于支持向量机的坦克识别算法[A];第三届全国数字成像技术及相关材料发展与应用学术研讨会论文摘要集[C];2004年
7 师旭超;巴松涛;;基于支持向量机方法的深基坑变形预测[A];科技、工程与经济社会协调发展——河南省第四届青年学术年会论文集(上册)[C];2004年
8 张军;;支持向量机方法在地下水位干扰排除中的初步应用[A];2007年地震流体学术研讨会论文摘要集[C];2007年
9 许建生;盛立东;;基于改进的支持向量机和BP神经网络的识别算法[A];第八届全国汉字识别学术会议论文集[C];2002年
10 荣海娜;张葛祥;张翠芳;;基于支持向量机的非线性系统辨识方法[A];中国自动化学会、中国仪器仪表学会2004年西南三省一市自动化与仪器仪表学术年会论文集[C];2004年
中国重要报纸全文数据库 前10条
1 课题主持人 李心丹 课题协调人 上海证券交易所 施东晖 傅浩 课题研究员 宋素荣 查晓磊 宾红辉 张许宏 郭静静 黄隽 南京大学工程管理学院;内幕交易与市场操纵的行为动机与判别监管研究[N];中国证券报;2007年
2 李水根;计算机详解配伍与药效关系[N];健康报;2005年
3 清华大学 苏光大;非接触式人脸识别技术[N];计算机世界;2006年
4 YMG记者 李仁 通讯员 曲华明 孙运智;我市九项目进入省“盘子”[N];烟台日报;2010年
5 上海大学理学院教授、副院长 陆文聪;酷爱化学 孜孜以求[N];中国化工报;2006年
6 ;选择合适的数据挖掘算法[N];计算机世界;2007年
7 周颖;王米渠与中医心理学[N];中国中医药报;2006年
8 记者 耿挺;蛋白质功能算出来[N];上海科技报;2007年
9 记者 张云普通讯员 全攀峰 安强强;大庆物探深度域地震资料岩性解释技术获得五大突破[N];中国石油报;2008年
10 本报记者 冯治恩;敢与“雷公”试比高[N];铜川日报;2008年
中国博士学位论文全文数据库 前10条
1 常甜甜;支持向量机学习算法若干问题的研究[D];西安电子科技大学;2010年
2 刘叶青;原始空间中支持向量机若干问题的研究[D];西安电子科技大学;2009年
3 胡运红;支持向量机的若干算法研究[D];山东科技大学;2011年
4 周喜川;非可信环境下的支持向量机研究[D];浙江大学;2010年
5 赵莹;半监督支持向量机学习算法研究[D];哈尔滨工程大学;2010年
6 王开义;基于支持向量机的农产品生产关键控制点发现研究[D];北京工业大学;2011年
7 杜小芳;基于CPFR的农产品采购模型研究[D];华中科技大学;2005年
8 刘育明;动态过程数据的多变量统计监控方法研究[D];浙江大学;2006年
9 栾锋;支持向量机(SVM)和径向基神经网络(RBFNN)方法在化学、环境化学和药物化学中的应用研究[D];兰州大学;2006年
10 孙薇;市场条件下抽水蓄能电站效益综合评价及运营模式研究[D];华北电力大学(河北);2007年
中国硕士学位论文全文数据库 前10条
1 刘艳伟;支持向量机方法在感潮河段洪峰水位预报中的应用[D];浙江大学;2010年
2 杨镭;支持向量机算法设计及在高分辨雷达目标识别中的应用[D];国防科学技术大学;2010年
3 童振;基于支持向量机的电解液成分预测[D];东北大学;2008年
4 聂小芳;模糊粗糙集与支持向量机在煤与瓦斯突出预测中的应用研究[D];辽宁工程技术大学;2009年
5 鄢常亮;基于支持向量机的高炉向凉向热炉况预测研究[D];内蒙古科技大学;2010年
6 韩叙东;基于支持向量机的水电故障分类器的设计与实现[D];东北大学;2008年
7 冯杰;慢时变对象的支持向量机建模与在线校正方法研究[D];东北大学;2009年
8 朱耿峰;支持向量机在冲击地压预测模型中的应用研究[D];山东科技大学;2010年
9 王奇安;基于广泛内核的CVM算法研究及参数C的选择[D];南京航空航天大学;2009年
10 张永新;基于支持向量机和遗传算法相结合的模拟电路故障诊断方法研究[D];东北大学;2009年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62791813
  • 010-62985026